调整学习率和训练次数，查看训练结果，用来评判 过拟合和欠拟合的状态

ResNet50包含49个卷积层和1个全连接层，属于较大型的网络，实现起来略有难度。对于理解数据流、卷积层、残差、瓶颈层，以及对大型网络的编写和调试都有很大帮助。Resnet-50代码的复现，论文的理解

django-admin startproject 员工管理系统

第G1周：生成对抗网络（GAN）入门

名词解释：传感器的定义：传感器是能以一定精确度把某种被测量（主要为各种非电的物理量、化学量、生物量等）按一定规律转换为（便于人们应用、处理的）另一参量（通常为电参量）的器件或测量装置。填空题：检测系统按照被测参量的检测转换方法分类：电磁转换、光电转换、其他能/电转换。检测系统按使用性质分类：标准表、实验室表和工业用表。误差的表示方法：绝对误差、相对误差、引用误差、最大引用误差。最大引用误差作为判断

DPN通过一系列非常精彩的推导分析出了ResNet和DenseNet各自的优缺点，通过将卷积网络抽象化为高层的RNN，得出了ResNet低冗余性的优点但是存在特征重用的缺点，也得出了DenseNet可以生成新特征的优点但是冗余度过高的问题，因此提出了结合ResNet和DenseNet的DPN。

"Squeeze-and-Excitation Networks"是一篇由Jie Hu，Li Shen和Gang Sun在2018年发表的论文，介绍了一种基于自适应特征重标定的网络结构，用于提高卷积神经网络（CNN）的性能。这个网络结构被称为“Squeeze-and-Excitation（SE）网络”。

● 难度：夯实基础⭐⭐● 语言：Python3、Pytorch3● 时间：2月18日-2月14日🍺要求：1.根据本文的Pytorch代码，编写Tensorflow代码2.了解DenseNet和ResnetV的区别3.改进地方可以迁移到哪里呢

ResNet50包含49个卷积层和1个全连接层，属于较大型的网络，实现起来略有难度。对于理解数据流、卷积层、残差、瓶颈层，以及对大型网络的编写和调试都有很大帮助。Resnet-50代码的复现，论文的理解

要求：1.根据本文的Tensorflow代码，编写Pytorch代码2.了解ResnetV2和Resnet的区别3.改进地方可以迁移到哪里呢。